MIDI二进制文件格式简析

本文主要参考自 Official MIDI Specifications

每个MIDI文件由一系列 chunk 组成，每个 chunk 的前四个字节为魔数（ magic number ），是由四个ASCII字符所组成的类型标识。目前标准格式中已定义的 chunk 类型只有 header 和 track 两种，其魔数分别为 "MThd" 和 "MTrk" ，对于类型未被定义的 chunk 则应该被忽略。

每个 chunk 在其四字符类型之后紧跟一个32位无符号整数，意味这一 chunk 后续将要读入的字节个数，每个 chunk 已经读入的这八个字节不包含在内。

通常来说，一个MIDI文件中首先要存在一个 header chunk ，然后一系列 track chunk 紧随其后，格式大致如下：

在目前的标准中， header chunk 长度固定为14，其由五个部分所组成：

其中 type 固定为 "MThd" ， format 、 ntrks 、 division 均为16位，因此 length 固定为 0x00000006 。

format 指定了整个文件的组织结构，在当前的标准下，仅支持 0x0000 、 0x0001 、 0x0002 这三种可能的值。

ntrks 表示整个文件中 track chunk 的总个数，对于 format 为零的文件来说 ntrks 的值总是 0x0001 。

最后的 division 表示了 delta-times 的含义，有 metrical time 和 time-code-based time 这两种形式，这取决于其最高位是否为零。

假如 division 最高位为零，那么就属于 metrical time 形式，这个16位无符号整数的意义为每个四分音符的ticks个数。否则属于 time-code-based time 形式，其低8位表示每帧的ticks个数，高8位为一个8位负数补码，有 -24 、 -25 、 -29 、 -30 这四种可能的值，其意义与 SMPTE 有关，以下内容摘抄自维基百科：

在这里可以发现，凭借 division 是完全不足以描述每个时间间隔的实际长度的。在规范中对此有所说明，在默认情况下，乐曲的节奏为4/4拍，速度为每分钟120拍。这类元数据应该在MIDI文件中被指定，对于 format 为 0x0000 的文件应处于其 track chunk 的开始，对于 format 为 0x0001 的文件应包含在第一个 track chunk 之内，对于 format 为 0x0002 的文件应包含在每个 track chunk 之中。

值得一提的是，未来的标准有可能会定义更多种类的 format 和 chunk ，甚至有可能为 header chunk 添加更多的参数从而使其 length 不再为 0x00000006 ，因此对于程序的实现者来说，遵守标准是十分必要的。

无论 format 的取值是什么， Track Chunks 的结构都是一致的：

在 length 后是一串连续的 MTrk event ，每个 MTrk event 由两部分组成：

这里的 delta-time 是一种 variable-length quantity ，其每个字节仅有7个有效位，最高位若非零则说明后面还有下一字节，最多可占据四个字节，因此其最大值为 0x0fffffff 。以下为参考示例：

delta-time 后紧跟的 event 有三种不同的类型：

MIDI event 的第一个字节通常表示 running status ，其最高位必须非零，对于 sysex event 和 meta-event 来说，这个字节分别为 0xf0 或 0xff 。

在每个 track chunk 中出现的第一个 MIDI event 必须指定 running status ，而对于后续的 MIDI event ，假如其紧跟在一个 MIDI event 后面，并且与前一个 MIDI event 有着同样的 running status ，那么这一个 MIDI event 的 running status 可以被省略。

每个 MIDI event 根据其 running status 高4位的不同而存在一个或两个单字节参数，这些参数的最高位均为零， running status 的低4位表示 channel 的编号，每个 MIDI event 只会在对应的 channel 上造成影响。举几个例子，以16进制表示：高4位为 C 意为 Program Change ，其跟随一个单字节参数，表示修改乐器音色；高4位为 9 意为 Note On ，高4位为 8 意为 Note Off ，这两者都跟随两个单字节参数，分别表示音高与力度。

中央C在 MIDI event 中的值为 0x3c ，每升高半音则加一，每降低半音则减一，通过这种规律可以推断出标准音为 0x45 。

channel 最多有16个，每个 channel 之间是独立的，也就是说不同的 channel 可以通过 Program Change 同时使用不同的音色，而又由于 Note On 和 Note Off 也是独立的，因此同一个 channel 中也可以同时播放不止一个音符。不过打击乐通常位于第10号 channel 。

音色对照表见文章末尾。

这是一种结构稍显复杂的事件信息，它可以包含一连串的 sysex event ，其基本结构如下：

这里 length 为 bytes 的长度，如果 bytes 不以 0xf7 结尾，那么其后就要跟随一个变长的 delta-time ，然后在跟随下一个 sysex event ，就像这样：

除第一个 sysex event 之外，后续跟随的 sysex event 首字节应为 0xf7 ，且最后一个 sysex event 的最后一字节应为 0xf7 。以下是一串合法的 sysex event 示例：

以上部分的 0x8148 和 0x64 分别表示200-tick delta-time 和100-tick delta-time 。

这一部分的格式是比较固定的：

所有 meta-event 以 0xff 起始，然后紧跟一个字节的 type ，再然后跟随一个变长的 length ， length 的值即为 bytes 的长度。

在 Standard MIDI Files 1.0 中已经预定义了一部分 meta-event ，其中 Copyright Notice 应作为第一个 track 的第一个 event ， Sequence Number 和 Sequence/Track Name 若存在则必须在任何 delta-times 非零的 event 前出现， End of Track 必须作为每个 track 的最后一个 event 。

Set Tempo 参数的意义为每个四分音符的微秒数。

Time Signature 参数的意义分别为节奏的分子、以二为底取得节奏分母的对数、节拍器每响一次的 MIDI clocks 个数、每个四分音符所包含的三十二分音符个数（最后这个我也不理解有什么意义），比如以下示例：

Key Signature 的第一个参数表示乐曲经过了移调所添加的升降号个数，第二个参数取 0x00 或 0x01 意为大调或小调。

以下音色对照表引用自 General MIDI System Level 1

MIDI文件是一种视频格式文件。midi是二进制格式的文件，这种文件的基本结构一般是“文件头+数据描述”，文件头一般包括文件的类型；而MIDI的数据是由若干个格式相同的子数据构成的，这些子数据在多音轨的格式中记录了一个轨道的所有信息。

MIDI文件属于二进制文件，这种文件一般都有如下基本结构： 文件头+数据描述 文件头一般包括文件的类型，因为Midi文件仅以。mid为扩展名的就有0类和1类两种，而大家熟悉的位图文件的格式就更多了，所以才会出现文件头这种东西。

与波形文件不同：

MIDI文件不对音乐进行抽样，而是对音乐的每个音符记录为一个数字，所以与波形文件相比文件要小得多，可以满足长时间音乐的需要。MIDI标准规定了各种音调的混合及发音，通过输出装置可以将这些数字重新合成为音乐。

MIDI音乐的主要限制是它缺乏重现真实自然声音的能力，因此不能用在需要语音的场合。此外，MIDI只能记录标准所规定的有限种乐器的组合，而且回放质量受到声音卡的合成芯片的限制。近年来，国外流行的声音卡普遍采用波表法进行音乐合成，使MIDI的音乐质量大大提高。

---